Data Analisis di Excel dengan Exponential Smoothing

Excel yang merupakan software keluaran dari Microsoft Corporation yang tentunya sudah familiar sebagai aplikasi pengelolaan lembar kerja spreadsheet. Tidak hanya itu, Microsoft Excel juga dapat membuat grafik yang keren, menarik dan user-friendly. Tapi, siapa sangka jika Microsoft Excel memiliki keunggulan lain yang tidak banyak orang ketahui.

Microsoft Office Excel sebenarnya juga menyediakan fasilitas untuk melakukan pengolahan data (data analysis) atau fungsi Statistika yang lebih rumit seperti Analisis Statistik Inferensial yang dapat melakukan peramalan statistika ataupun menarik suatu kesimpulan tentang suatu kelompok data.

Data Analysis sering digunakan bagi kita yang melakukan pengolahan data menggunakan Office Excel. Ketika sahabat data ingin melakukan analisis data statistik, Microsoft Office Excel menyediakan sebuah fitur yaitu Analysis ToolPak Excel. Add-Ins Analysis Toolpak merupakan Add-ins gratis bawaan dari Microsoft Excel itu sendiri, Jadi kita hanya perlu melakukan Install Analysis Toolpak saja. Salah satu penggunaan analisis data statistik yang paling umum digunakan adalah Exponential Smoothing.

Exponential smoothing atau dalam bahasa Indonesia disebut dengan Penghalusan Eksponensial adalah suatu metode peramalan rata-rata bergerak yang memberikan bobot secara eksponensial atau bertingkat pada data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan bobot yang lebih besar. Dengan kata lain, semakin baru atau semakin kini datanya, semakin besar pula bobotnya. Hal ini dikarenakan data yang terbaru dianggap lebih relevan sehingga diberikan bobot yang lebih besar.

Parameter penghalusan (smoothing) biasanya dilambangkan dengan alpha. Penggunaan exponential smoothing biasanya digunakan untuk forecasting (peramalan) atau peramalan bisnis seperti prediksi curah hujan, produksi roti, persediaan obat-obatan, penjualan barang dengan alpha ataupun parameter yang ditentukan.

Tentunya untuk melakukan analisis statistik berupa Exponential Smoothing dapat diselesaikan menggunakan Microsoft Excel. Pada artikel kali ini, DQLab akan mengupas tentang data analisis statistik berupa Exponential Smoothing dengan menggunakan Excel. Jadi, pastikan kalian simak artikelnya dan baca selengkapnya sampai habis ya!

1. Kenali Tentang Analisis Runtun Waktu

Analisis Runtun Waktu atau dikenal juga dengan nama Time Series Analysis merupakan salah satu bagian dari statistik inferensial. Time Series Analysis akan menggunakan data time series juga, dimana datanya dikumpulkan dalam rentang waktu tertentu. Dengan Time Series Analysis, kita juga bisa untuk melakukan peramalan. Secara umum, metode peramalan bisa dikelompokkan menjadi 2 bagian besar, yaitu metode kualitatif atau metode subjektif dan metode kuantitatif atau metode objektif.

Beberapa metode yang termasuk ke dalam metode subjektif adalah:

• Analogi

• Teknik Survey

Sementara metode objektif terbagi lagi menjadi Time Series dan metode Kausal. Karena kita sedang fokus membahas tentang Time Series, maka kali ini hanya akan diberikan contoh dari metode Time Series saja, diantaranya adalah:

• Moving Average

• Exponential Smoothing

• Simple Regression

• ARMA

• ARIMA

• SARIMA

Baca Juga: Bootcamp Data Analyst with Excel

2. Mengenal Lebih Dekat Tentang Exponential Smoothing

Exponential Smoothing masih erat dengan penggunaan analisis Time Series seperti kelompok metode ARIMA Box-Jenkins. Analisis tersebut mengembangkan model dimana prediksi adalah jumlah linier berbobot dari observasi atau lags suatu pengujian. Metode penghalusan eksponensial serupa karena prediksi adalah jumlah pembobotan dari pengamatan sebelumnya, tetapi model tersebut secara eksplisit menggunakan bobot yang menurun secara eksponensial untuk pengamatan sebelumnya. Secara khusus, pengamatan masa lalu diberi bobot dengan rasio yang menurun secara geometris.

Perkiraan yang dihasilkan menggunakan metode penghalusan eksponensial adalah rata-rata tertimbang dari pengamatan sebelumnya, dengan bobot yang menurun secara eksponensial seiring bertambahnya usia pengamatan.

Dengan kata lain, semakin baru observasi semakin tinggi bobot terkait. Metode pemulusan eksponensial dapat dianggap sebagai rekan dan alternatif dari metode kelas ARIMA Box-Jenkins yang populer untuk peramalan deret waktu (time series). Secara kolektif, metode ini kadang-kadang disebut sebagai model ETS, dimana mengacu pada pemodelan eksplisit Error, Trend, dan Musiman (Seasonality).

3. Tipe Exponential Smoothing

Berdasarkan penelitian yang dilakukan oleh Hartono, Dwijana, Handiwidjojo bahwa terdapat perbandingan metode Single Exponential Smoothing dan Exponential Smoothing Adjusted for Trend digunakan untuk keakuratan meramalkan jumlah barang yang akan terjual untuk periode yang akan datang. Single Exponential Smoothing merupakan metode peramalan yang digunakan untuk data stasioner atau data yang relatif stabil. Exponential Smoothing Adjusted for Trend digunakan untuk data yang memiliki trend atau data yang memiliki kecenderungan peningkatan atau penurunan dalam jangka panjang.

Hasil yang dicapai dari penelitian ini adalah metode Single Exponential Smoothing lebih tepat dibandingkan metode Exponential Smoothing Adjusted for Trend (Holt"s Method) karena pada histori penjualan tidak mengalami peningkatan penjualan / tidak ada trend. Selain itu, persentase kesalahan (selisih data aktual dengan nilai peramalan) dan MAD (untuk menghitung forecast error) yang didapat dari metode Single Exponential Smoothing lebih kecil dibandingkan dengan metode Exponential Smoothing Adjusted for Trend.

Baca Juga: Belajar Fungsi Tanggal & Waktu di Excel

4. Tips Menggunakan Exponential Smoothing

Sebelum kamu mulai menerapkan Exponential Smoothing untuk menganalisis data, ada baiknya kamu memahami beberapa tips penting berikut agar hasil peramalanmu lebih akurat dan sesuai dengan karakteristik data yang kamu miliki. Berikut adalah penjelasannya:

• Nilai α yang kecil (misalnya 0.1) membuat model lebih lambat menyesuaikan perubahan tren. Cocok untuk data yang stabil.

• Nilai α yang besar (misalnya 0.8) lebih responsif terhadap perubahan terbaru, tapi bisa terlalu sensitif jika datanya berfluktuasi.

Exponential Smoothing bisa jadi alat ampuh kalau kamu ingin mulai menganalisis tren data secara sederhana di Excel. Dengan pendekatan ini, kamu bisa lebih cepat mengambil keputusan berbasis data, tanpa perlu coding atau software rumit.

FAQ

1. Apa gunanya kamu pakai Exponential Smoothing di Excel?

Exponential Smoothing membantu kamu meramalkan data ke depan (forecasting) berdasarkan pola data historis. Misalnya, kamu bisa pakai ini buat prediksi penjualan bulan depan hanya dari data penjualan bulan-bulan sebelumnya.

2. Bagaimana cara kamu mengaktifkan fitur Exponential Smoothing di Excel?

Kamu tinggal aktifkan Analysis Toolpak lewat menu File > Options > Add-ins, lalu pilih Data Analysis di tab Data, dan klik Exponential Smoothing.

3. Nilai α (alpha) itu apa sih?

Nilai α adalah faktor pelurusan yang menentukan seberapa besar pengaruh data terbaru. Semakin besar α, semakin cepat model menyesuaikan perubahan data. Kamu bisa coba-coba antara 0.1 sampai 0.9 buat lihat hasil yang paling pas.

Yuk perdalam pemahaman excel kamu bersama DQLab! DQLab adalah platform edukasi pertama yang mengintegrasi fitur ChatGPT yang memudahkan beginner untuk mengakses informasi mengenai data science secara lebih mendalam.

DQLab juga menggunakan metode HERO yaitu Hands-On, Experiential Learning & Outcome-based, yang dirancang ramah untuk pemula. Jadi sangat cocok untuk kamu yang belum mengenal data science sama sekali. Untuk bisa merasakan pengalaman belajar yang praktis dan aplikatif, yuk sign up sekarang di DQLab.id atau ikuti Bootcamp Data Analyst with Excel berikut untuk informasi lebih lengkapnya atau ikuti Bootcamp Data Analyst with Excel!

Penulis: Reyvan Maulid

Tags

DQLab Data Science belajar data science Data Scientist Big Data excel